Konstantin Kirchheim

Drittmittelbeschäftigte/-r

M.Sc. Konstantin Kirchheim

Faculty of Computer Science (FIN)
Chair of Software Engineering (CSE)
Universitätsplatz 2, 39106 Magdeburg, G29-403
Vita

I studied Computer Systems  in Engineering (with specializations in process- as well as electrical engineering) at the Otto von Guericke University and graduated in 2020 with an MSc in Computer Science.

From 2018-2019, I worked as technical research assistant at the Chair of Production Systems and Automation at the IAF (OvGU), where I contributed to a platform that aims to integrate the artifacts of different engineering disciplines throughout the life cycle of a production system .

Since March 2020, I am a machine learning researcher at the Chair of Software- and Systems Engineering at Otto-von-Guericke University.

My current research projects are concerned with ensuring the safety of machine learning systems in the railway domain, applying AI for geospatial analysis, and computer vision in general.

Publications

2023

Book chapter

Evaluating and increasing segmentation robustness in CARLA

Thirugnana Sambandham, Venkatesh; Kirchheim, Konstantin; Ortmeier, Frank

In: Computer Safety, Reliability, and Security. SAFECOMP 2023 Workshops , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Guiochet, Jérémie, S. 390-396 - (Lecture notes in computer science; volume 14182) [Konferenz: International Conference on Computer Safety, Reliability, and Security, SAFECOMP, Toulouse, France, September 19, 2023]

Promoting reproducibility of research results in international events (report from the RRPR)

Kerautret, B.; Kirchheim, Konstantin; Lopresti, D.; Ngo, P.; Tomaszewska, P.

In: Reproducible Research in Pattern Recognition , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Kerautret, Bertrand, S. 111-123 - (Lecture notes in computer science; volume 14068) [Workshop: Fourth International Workshop on Reproducible Research in Pattern Recognition, RRPR 2022, Montreal, Canada, August 21, 2022]

Overall Markov diagram design and simulation example for scalable safety analysis of autonomous vehicles

Häring, Ivo; Mopuru, Sunil Kumar Reddy; Walz, Teo Puig; Dhanani, Mayur; Sandela, Nikhilesh; Finger, Jörg; Vogelbacher, Georg; Höflinger, Fabian; Jain, Aishvarya Kumar; Richter, Alexander; Kirchheim, Konstantin

In: European Conference on Safety and Reliability (ESREL), 3rd September - 7th September 2023, insges. 8 S. [Konferenz: 33rd European Safety and Reliability Conference (ESREL 2023), Southampton, UK, 3 - 8 September 2023]

On challenging aspects of reproducibility in deep anomaly detection

Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank

In: Reproducible Research in Pattern Recognition , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Kerautret, Bertrand, S. 57-66 - (Lecture notes in computer science; volume 14068) [Workshop: Fourth International Workshop on Reproducible Research in Pattern Recognition, RRPR 2022, Montreal, Canada, August 21, 2022]

Dynamically resolving and abstracting Markov models for system resilience analysis

Häring, Ivo; Sandela, Nikhilesh; Walz, Teo Puig; Vogelbacher, Georg; Richter, Alexander; Jain, Aishvarya Kumar; Dhanani, Mayur; Mopuru, Sunil Kumar Reddy; Kirchheim, Konstantin; Höflinger, Fabian; Finger, Jörg

In: European Conference on Safety and Reliability (ESREL), 3rd September - 7th September 2023, insges. 8 S. [Konferenz: 33rd European Safety and Reliability Conference (ESREL 2023), Southampton, UK, 3 - 8 September 2023]

Towards deep anomaly detection with structured knowledge representations

Kirchheim, Konstantin

In: Computer Safety, Reliability, and Security. SAFECOMP 2023 Workshops , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Guiochet, Jérémie, S. 382-389 - (Lecture notes in computer science; volume 14182) [Konferenz: International Conference on Computer Safety, Reliability, and Security, SAFECOMP, Toulouse, France, September 19, 2023]

Measuring the robustness of ML models against data quality issues in industrial time series data

Dix, Marcel; Manca, Gianluca; Okafor, Kenneth Chigozie; Borrison, Reuben; Kirchheim, Konstantin; Sharma, Divyasheel; Chandrika, Kr; Maduskar, Deepti; Ortmeier, Frank

In: 2023 IEEE 21st International Conference on Industrial Informatics / IEEE International Conference on Industrial Informatics , 2023 - [Piscataway, NJ] : IEEE ; Jasperneite, Jürgen, insges. 8 S. [Konferenz: IEEE 21st International Conference on Industrial Informatics, INDIN, Lemgo, Deutschland, 18 - 20 July 2023]

2022

Book chapter

High speed RCS for robot task sequencing optimization

Schillreff, Nadia; Scholle, Julian Benedikt; Kirchheim, Konstantin; Ortmeier, Frank

In: 54th International Symposium on Robotics , 2022 - Berlin : VDE VERLAG, S. 136-141 [Symposium: 54th International Symposium on Robotics, ISR Europe 2022, Munich, Germany, 20-21 June 2022]

PyTorch-OOD - a library for Out-of-Distribution Detection based on PyTorch

Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank

In: 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition workshops / IEEE/CVF Computer Vision and Pattern Recognition Conference , 2022 - Piscataway, NJ : IEEE, S. 4350-4359 [Konferenz: IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW, Orleans, LA, USA, 19-20 June 2022]

Multi-class hypersphere anomaly detection

Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank

In: 2022 26th International Conference on Pattern Recognition (ICPR) , 2022 - [Piscataway, NJ] : IEEE, insges. 7 S. [Konferenz: 26th International Conference on Pattern Recognition, ICPR, Montreal, QC, Canada, 21-25 August 2022]

Peer-reviewed journal article

Social Work Research Map – ein niederschwelliger Zugang zu internationalen Publikationen der Sozialen Arbeit

Ghanem, Christian; Kirchheim, Konstantin; Eckl, Markus

In: Soziale Passagen - Wiesbaden : VS, Verl. für Sozialwissenschaften/GWV-Fachverl., Bd. 14 (2022), Heft 2, S. 475-484

2020

Peer-reviewed journal article

Multi-dimensional failure modeling for shared data in cooperative systems

Jäger, Georg; Kirchheim, Konstantin; Schrödel, Frank; Zug, Sebastian

In: IFAC-PapersOnLine / Internationale Förderung für Automatische Lenkung - Frankfurt : Elsevier, Bd. 53 (2020), S. 15461-15468

Data-Mining als Werkzeug empirischer Sozialforschung

Kirchheim, Konstantin

In: Sozial extra - Wiesbaden : VS Verl. für Sozialwissenschaften, Bd. 44 (2020), S. 285-290

2019

Book chapter

Multi-disciplinary engineering of production systems - challenges for quality of control software

Lüder, Arndt; Pauly, Johanna-Lisa; Kirchheim, Konstantin

In: Software Quality: The Complexity and Challenges of Software Engineering and Software Quality in the Cloud - Cham : Springer International Publishing . - 2019, S. 3-13 [Konferenz: 11th International Conference, SWQD 2019, Vienna, Austria, January 15-18 2019]

Supporting the data model integrator in an engineering network by automating data integration

Lüder, Arndt; Kirchheim, Konstantin; Pauly, Johanna-Lisa; Biffl, Stefan; Waltersdorfer, Laura

In: IEEE Xplore digital library / Institute of Electrical and Electronics Engineers - New York, NY : IEEE . - 2019, S. 1229-1234 [Konferenz: 2019 IEEE 17th International Conference on Industrial Informatics (INDIN), 22-25 July 2019, Helsinki, Finland]

Supporting the data model integrator in an engineering network by automating data integration

Luder, Arndt; Kirchheim, Konstantin; Pauly, Johanna-Lisa; Biffl, Stefan; Rinker, Felix; Waltersdorfer, Laura

In: 2019 IEEE 17th International Conference on Industrial Informatics (INDIN) / IEEE International Conference on Industrial Informatics , 2019 - Piscataway, NJ : IEEE, insges. 6 S. [Konferenz: 17th International Conference on Industrial Informatics, INDIN, Helsinki, Finland, 22-25 July 2019]

2018

Book chapter

Towards Smart Factory - Multi-Agent integration on industrial standards for service-oriented communication and semantic data exchange

Rosendahl, Ronald; Calà, Ambra; Kirchheim, Konstantin; Lüder, Arndt; D'Agostino, Nikolai

In: WOA 2018, 19th Workshop "From Objects to Agents" - Aachen, Germany : RWTH Aachen ; Workshop "From Objects to Agents" (19.:2018), S. 124-132 [Konferenz: WOA 2018]

Peer-reviewed journal article

Model-based generation of run-time data collection systems exploiting AutomationML

Mazak, Alexandra; Lüder, Arndt; Wolny, Sabine; Wimmer, Manuel; Winkler, Dietmar; Kirchheim, Konstantin; Rosendahl, Ronald; Bayanifar, Hessamedin; Biffl, Stefan

In: Automatisierungstechnik - Berlin : De Gruyter, Bd. 66 (2018), Heft 10, S. 819-833

Projects

Current projects

SafeTrAIn: Sichere KI am Beispiel fahrerloser Regionalzug
Duration: 01.01.2022 bis 31.12.2024

Für einen klimaneutralen und attraktiven Verkehrsmix ist der Betrieb des Schienenverkehrs mit höchsten Automatisierungsstufen (GoA4) ein wesentlicher Bestandteil. Nach Stand der Technik kann dieses Ziel in den vorherrschenden komplexen Umgebungen durch klassische Automatisierungstechnologien allein nicht gelöst werden. Andererseits gibt es bei der Entwicklung von Technologien im Bereich des hochautomatisierten Fahrens (auf Straße & Schiene) bemerkenswerte Fortschritte, die auf der Leistungsfähigkeit von Künstlicher Intelligenz (KI) basieren. Eine wesentliche ungelöste Herausforderung ist dabei die Verknüpfung der KI-Verfahren mit den Anforderungen und Zulassungsprozessen im Bahnumfeld. In dieser Skizze beschreibt ein Konsortium aus Schienenindustrie, Technologiezuliefern, Forschungseinrichtungen sowie Normungs- und Prüforganisationen ein gemeinschaftliches Vorhaben, um die Möglichkeiten von KI mit den Sicherheitsbetrachtungen des Schienen- verkehrs zu verbinden und eine Lösung am Beispiel des fahrerlosen Regionalzugs praktikabel umzusetzen. Basierend auf den Anforderungen an die Sicherheitsnachweisführung werden Prüfmethoden und -werkzeuge für KI-basierte Methoden erforscht. Es wird eine Sicherheitsarchitektur am Beispiel des fahrerlosen Regionalzugs konkretisiert und ein GoA4-System für diesen Anwendungsfall in einem virtuellen Testfeld konzeptionell entwickelt und validiert. Arbeiten aus verwandten Industrien werden aufgegriffen.

View project in the research portal

Completed projects

SBA-K1 COMET Zentrum interacting Cristian Doppler Lab Lecurity and Quality Improvement in the Production System Lifecycle (CDL-SQI)
Duration: 01.04.2018 bis 31.03.2023

Entwurfsprozesse für Produktionssysteme sind durch Ingenieursleistungen charakterisiert, an denen unterschiedlichste Ingenieursdisziplinen mit für diese spezialisierten Entwurfswerkzeugen beteiligt sind und in deren Rahmen unterschiedlichste Entwurfsergebnisse zwischen diesen Entwurfswerkzeugen konsistent ausgetauscht werden müssen. Bisher sind für diesen Informationsaustausch unterschiedliche Technologien entstanden, die verschiedene Anforderungen des Datenaustausches zum Beispiel hinsichtlich Informationsstrukturierung, Informationssicherheit und Informationskonsistenz erfüllen können.

Ziel des Projektes ist es, einige dieser Technologien in einem gemeinsamen Szenario zusammen zu führen und anwendenden Unternehmen zu ermöglichen, ihre Entwurfsprozesse schrittweise an die Nutzung dieser Technologiemenge anzupassen. Besondere Bedeutung wird dabei das international standardisierte Datenaustauschformt AutomationML (nach IEC 62714) besitzen.

Fördergeber

  • Österreichischer Bund

Kooperationen
  • Technische Universität Wien
  • SMS Group
  • STIWA Group

View project in the research portal

Entwicklung von Technologien für intelligente, kollaborative, interaktive Displays für den Outdoor-Bereich (i-Display)
Duration: 01.01.2019 bis 30.04.2022

In diesem Projekt sollen eine Stele entwickelt werden, die a) sowohl Indoor als auch Outdoor einsetzbar ist, die b) Nutzerinteraktionen erlaubt - im Besonderen solche die über reine Touch-Gesten hinausgehen - und die c) durch Vernetzung und Kollaboration mit anderen Stelen Kontext- und Historie-abhängig Information darstellen kann.

Im Outdoorbereich sind die Stelen starken Temperatur-, Feuchtigkeits- und Luftdruckschwankungen ausgesetzt (an einem Tag bis zu 50°C Differenz). Dies erfordert besonders abgehärtete IT und Sensorik. Durch unterschiedlichste zu erwartende Lichtverhältnisse, sind ggf. Wetter-/Kontext abhängig Darstellungen von Information und Interaktionsmetaphern notwendig.

Für Nutzerinteraktion existieren konzeptionell vielfältige Metaphern - von Sprache über Gesten bis hin zu biometrischen Signalen. Für die Stelen stellen sich hier besondere Herausforderungen durch die Wetterlage, die potenziell großen Mengen schnell wechselnder Betrachter und natürlich des Datenschutzes.

Zur Kollaboration ist es notwendig, dass die Stelen Informationen miteinander austauschen und in Korrelation setzen können. Dazu muss beispielsweise ein gemeinsames Bild der Umgebungen (z.B. wo steht welche Stele, wer steht wo) erstellt werden. Im Besonderen für die Historie-abhängige Darstellung spielt der Datenschutz eine essenzielle Rolle, da es sich hier oft um Nutzer-bezogene Daten handelt und gleichzeitig nicht einfach zu entscheiden ist, wer gerade mit der Stele interagiert.

View project in the research portal

ObViewSly 4.0 - Objektextraktion aus 3D-Massendaten der Geoinformation
Duration: 07.05.2019 bis 30.04.2022

Ziel des Projektes "ObViewSly 4.0" ist die Entwicklung einer neuartigen Methode zur semiautomatischen, interaktiven Ableitung von 3D-Geodatenprodukten aus Luftbildern.
Dabei soll dem Anwender die Möglichkeit gegeben werden, einfach und schnell 3D-Objekte aus Massendaten abzuleiten. Ein illustrierendes Beispiel zeigen die Abbildung 1 bis 3. Nach einer vorläufigen Marktrecherche ist ein solches Softwaresystem derzeit nicht verfügbar. Darüber hinaus soll eine automatische, flächenbezogene Ableitung von 3D-Geodatenprodukten erreicht werden, ohne dass Benutzerinteraktionen notwendig sind.

Die Markteinführung dieses Produktes soll in verschiedenen Schritten, je nach Versionsstand und Einsatzfähigkeit erfolgen. Folgende Teilziele sind in diesem Projekt vorgesehen:

  • Automatisierte Detektion von Gebäuden in texturierten 3D-Mesh-Daten
  • Erzeugung von texturierten 3D-Objekten aus 3D-Mesh-Daten
  • Texturanalysen zur Informationsextraktion der Vektorobjekte
  • Aggregation von Objekten mit Fremddatensätzen (Eigentümer, Nutzung)
  • Nutzungsanalysen für städtische Gebiete
  • Sozio-Ökonomische Analysen
  • Die Ziele sind in einer logischen Reihenfolge definiert, aber nicht voneinander abhängig. Die Eingangsdaten der einzelnen Module können, müssen aber nicht, von einem vorangegangenen Modul stammen.

    View project in the research portal

    Courses
    PhD Topic

    mls-logo-dalle3

    Deep Learning systems have shown remarkable performance across a wide range of tasks in various domains, including computer vision and natural language processing. Despite these successes, recent theoretical studies and high-profile incidents, such as accidents involving self-driving vehicles, have highlighted that Deep Learning models can sometimes fail unexpectedly and without apparent cause.

    To ensure that artificial neural networks are suitable for use in safety-critical systems, such as autonomous vehicles or industrial manufacturing process controls, their reliability must be enhanced and, ideally, verified.

    Our research primarily focuses on Anomaly Detection and Out-of-Distribution Detection. These areas involve developing methods to evaluate a model's ability to make accurate predictions. We are dedicated to exploring various techniques to assess and improve the confidence in the predictions made by artificial neural networks, aiming to equip these systems with the capacity to fail gracefully.

    For further inquiries, please feel free to contact Konstantin Kirchheim.

    Last Modification: 01.02.2024 - Contact Person: Webmaster